常瑞华院士预警：AI算力竞争进入光互联决胜阶段
内容导读随着人工智能大模型训练迈向超大规模集群时代，全球AI算力竞争的技术重心正在发生转移。业界日益认识到，单一芯片的性能提升已难以支撑算力需求的持续膨胀，系统级协同效率尤其是高速互联能力，正成为影响算力实际效能的关键变量。光互联技术由此进入产业核心视野，其发展走向或将影响下一代AI基础设施的架构形态与竞争格局。
AI算力竞赛迎来“光互联”拐点
8月18日，在广东省深圳市举行的第20期科技创新院士报告厅活动上，中国工程院外籍院士、香港中文大学（深圳）校长学勤讲座教授常瑞华发出重要产业预警：随着大模型训练从千卡、万卡向更大规模集群持续演进，全球AI算力竞争的核心逻辑已经发生迁移——算力角逐的焦点正从单一GPU的性能比拼，转向超大规模集群的超低时延协同互联能力。
常瑞华明确指出，“今天衡量AI算力，已经不能只看GPU数量和单颗GPU的性能，更要看大量GPU能否高效率协同计算。”在这一背景下，光芯片技术被推向产业前台，其发展方向必须走向“快而宽”，以突破传统电互联在传输距离、信号损耗和能耗上的物理瓶颈。
这一判断不仅揭示了AI基础设施建设的技术矛盾，也为正处于高速扩张期的中国智算产业指出了亟待强化的底层创新方向。
考量底层技术架构的演进趋势，离不开对当前产业整体扩张体量的客观审视。中国AI基础设施行业按核心要素划分为算力、数据和算法三大类，市场规模呈现持续增长态势。iiMedia Research（艾媒咨询）发布的数据显示，2025年中国AI基建市场规模达到1369亿元，预计2028年将增长至2793亿元。市场整体规模在六年内的翻倍扩容，客观上对底层算力的规模供给与协同效率提出了更为严峻的需求挑战。
算力评估体系面临重构
艾媒网（iiMedia.cn）获悉，常瑞华院士在专题报告中详细阐释了算力竞争逻辑的演变。她表示，“GPU不是一个人‘单打独斗’，未来决定AI算力的，更重要的是大量处理器能否高效率协同工作。”
当前，生成式人工智能进入大模型深水区，GPT系列、Llama系列等超大规模模型的参数量持续突破万亿级别，训练所需的计算规模呈指数级增长。在这一进程中，单一GPU即便在制程和架构上持续迭代，其性能提升速度也已难以独立满足超大规模并行训练的需求。
业界长期习惯于通过堆叠GPU数量、比拼单颗芯片算力峰值来构建竞争优势，但在万卡乃至更大规模的集群环境下，卡间互联带宽、节点间通信延迟、数据同步效率等系统性指标，往往成为制约整体训练效率的关键短板。
常瑞华强调，当集群规模突破一定阈值，互联能力对整体算力输出的影响将呈非线性放大，任何一个节点的通信阻塞都可能导致大量计算资源空转。这意味着，算力竞争的本质正从“单点硬件突破”转向“系统工程优化”，未来智算中心的建设重心，需要同步投向高速互联网络、光电协同架构以及集群调度算法等底层基础设施的系统性创新。
VCSEL路线打破“高速难集成”困局
面对传统高速电信号传输在机架内部及机架间面临的物理约束，光互联被视为延续算力增长曲线的核心突破口。
常瑞华分析指出，电信号传输在高频段下的距离限制、能量损耗和发热问题日益突出，因此光正在从传统的机架间连接进一步向GPU、交换芯片等核心计算单元靠近，NPO（近封装光学）、CPO（共封装光学）等新型架构正在加快发展，其核心逻辑在于最大限度缩短高速电信号传输距离，让数据尽早完成“电到光”的转换。
当前，全球AI短距光互联领域已形成硅光EML、Micro LED、VCSEL三大主流技术路线。相较之下，VCSEL（垂直腔面发射激光器）技术路线兼具较高的单通道速率与天然适合二维阵列集成的结构优势，有效打破了行业长期面临的“高速难集成、集成难高速”两难困境。
据常瑞华院士团队披露，其研发的新一代VCSEL芯片采用创新的倒装背发射设计，有效规避了传统顶发射器件布线拥挤、信号串扰严重等固有缺陷，实现了多通道高密度集成；同时通过优化垂直散热结构，提升了热管理效率，使芯片能够在125℃高温工况下保持稳定运行。
在光学层面，团队引入的新型超表面纳米光学结构，能够调控光场特性，改善信号色散与光束畸变问题，为构建下一代高密度、低时延、低功耗的AI算力集群提供了关键的光学底座支撑。
光互联将重塑全球算力版图
光芯片技术的突破，其影响范畴远不止于智算中心内部架构升级。常瑞华院士团队介绍，凭借高速率、高集成、低功耗、高可靠的综合优势，VCSEL芯片不仅适配高端智算场景，还可广泛应用于3D视觉传感、工业自动化检测、智能终端等高增长领域，展现出极强的技术外溢与产业带动作用。
在全球人工智能算力军备竞赛进入白热化阶段的当下，光互联技术的领先程度，将影响各国在基础大模型训练、前沿科学计算、高复杂度AI应用等战略高地的竞争力。当前，国际科技巨头已纷纷加大CPO交换机、光学互联芯粒等前沿方案的布局力度，试图抢占下一代数据中心架构的话语权。
常瑞华院士此番研判揭示了一个关键产业拐点：当单芯片制程逐步逼近物理极限、摩尔定律放缓之际，系统级的光互联创新已成为突破算力墙、延续性能增长曲线的新引擎。
对中国产业界而言，这一技术转向既需要在高端电芯片领域持续追赶，也要求在光互联、硅光集成、先进封装等交叉领域同步开展技术布局与生态培育，以期在全球AI算力格局演变过程中形成相应的竞争能力。未来三至五年，随着光互联技术从通信网络向计算集群加速渗透，光芯片的产业化进程将与智算中心架构升级形成深度互动，其发展水平或将成为衡量国家AI基础设施综合竞争力的重要参考指标之一。
内容导读
